短视频制作能省掉多少手工步骤？Pixelle-Video 从配置到远程生成完整体验

短视频制作能省掉多少手工步骤？Pixelle-Video 从配置到远程生成完整体验

前言：我真正想省掉的，不是“剪辑”，而是来回切工具

做短视频最容易让人烦的，往往不是某一步特别难，而是步骤太碎。

先想主题，再写文案；文案有了，还要找图、配音、挑 BGM、调画面比例，最后再导出。单独看每一步都不算复杂，但来回切几个工具，一条视频还没做完，耐心已经先被消耗掉一半。

所以我看 Pixelle-Video 时，最关心的不是“它能不能一键封神”，而是一个更实际的问题：

能不能把文案、配图、配音、BGM 和最终成片尽量收进一条连续流程里？

原文已经给出了一条比较完整的操作链：

Windows 启动 Pixelle-Video → http://localhost:8501 打开 Web 页面 → 配置 LLM → 配置图像服务 → 选择 AI 生成或固定文案 → 配置 BGM 与画面参数 → 生成视频 → 在 output 找到成片 → 历史记录里继续调整 → 最后通过cpolar把 8501 页面提供到公网。

这篇我采用的性格也比较明确：

喜欢自动化，但不迷信“全自动”。只要能少切几个工具、少重复几遍机械操作，我就觉得值；至于文案和画面最终能不能用，还是得自己看。

image-20260605144251635

原文把“日更短视频”作为典型使用场景。

image-20260605144312241

我更愿意把它理解成：先让机器把第一版流程跑出来，再决定哪些地方值得人工继续修。

1. Pixelle-Video 到底把哪些步骤串到了一起？

原文将 Pixelle-Video 介绍为一套 AI 自动短视频生成引擎，重点覆盖从内容到成片的连续流程。

image-20260605144559808

原文列出的主要能力包括：

1. 全自动化：从文案到成片串成一条流程；
2. 多模型支持：可选择通义千问、GPT 等模型；
3. 可调整内容较多：文案、配图、配音、BGM 等都可以继续修改；
4. 批量生成：适合需要连续生产内容的场景。

image-20260605144543387

对我来说，真正有吸引力的是第 3 点。

因为“自动生成”并不难听，难的是生成以后还能不能继续改。如果第一版不满意，能换模板、改提示词、调整配音再生成，这才更符合真实创作过程。

2. Windows 启动 Pixelle-Video

2.1 下载整合包

原文项目地址：

AIDC-AI/Pixelle-Video: 🚀 AI 全自动短视频引擎 | AI Fully Automated Short Video Engine

下载整合包以后解压到本地。

image-20260605144823061

2.2 启动服务

进入文件夹后，双击：

start.bat

image-20260605144919161

启动后，系统会打开：

http://localhost:8501

image-20260605145008089

进入 Pixelle-Video Web 操作界面。

image-20260605145048426

到这里，我只确认一件事：

本地 Web 服务已经正常启动。

真正能不能出片，还要继续配置模型和图像服务。

3. 配置 LLM：先决定“谁来写”

第一次使用时，展开左侧的“系统配置”。

image-20260605145130256

3.1 选择大模型

原文说明可以从下拉菜单选择预设模型，例如通义千问、GPT-4 等。

本次实际选择的是：

Deepseek

选择以后，系统会自动填充 base_url 和 model 信息。

image-20260605145238406

接着通过“获取 API Key”入口注册并获取 API Key。

image-20260605145309505

如果预设里没有需要的模型，也可以手动填写：

• API Key
• Base URL
• Model 名称

image-20260605145333561

我比较喜欢这种设计。

因为模型配置不是被写死的，后面如果觉得某个模型写出来的文案太像模板，就还能继续换，而不是整个工具只能接受一种生成风格。

4. 配置图像服务：这里才开始影响成片风格

原文提供了本地和云端两种思路。

如果希望降低本地显卡要求，原文选择的是云端方案，并进入 RunningHub。

image-20260605145515152

随后在 RunningHub API 控制台生成 API Key，再回到 Pixelle-Video 配置页面填写。

image-20260605145540173

如果希望本地运行，原文也提到可以使用本地 ComfyUI 自行配置。

配置完成后点击“保存配置”。

image-20260605145553178

到这里，文案模型和图像服务都已经接上，才算真正进入“可以开始生成视频”的阶段。

5. 真正生成一条视频时，我会先做三件事

5.1 先选内容模式

Pixelle-Video 提供两种输入方式：

• AI生成内容：输入主题关键词，由系统生成文案；
• 固定文案内容：已经有文案时，直接粘贴进去。

image-20260605145641913

这个区分很实用。

有时候我只想试一个主题，那就让 AI 先写；有时候文案已经确定，只想让它完成后面的图像、配音和合成，就直接用固定文案。

我不喜欢工具强迫我“必须全自动”，能让我决定从哪一步开始，反而更符合实际工作。

5.2 再决定 BGM

BGM 可以直接选择系统预置内容。

如果要使用自己的音乐，原文做法是把音乐文件放进项目的：

bgm

文件夹。

image-20260605145725816

5.3 最后确认画面参数

原文还可以设置：

• 图像宽度
• 图像高度
• 英文提示词，用来控制配图风格

image-20260605145809880

这里其实已经说明了一件事：

Pixelle-Video 并不是“点一下以后什么都不用管”。

你仍然要决定模型、提示词、BGM、画面比例。

只不过这些原本散在不同软件里的选择，被集中到了一个页面里。

6. 点击生成以后，最关键的是看结果能不能继续改

配置完成后点击“生成视频”。

原文显示系统会自动执行后续流程，并实时展示生成进度。

生成完成的视频会保存在项目：

output

文件夹中。

image-20260605145833563

原文实测中，几分钟后生成了成片，并将视频导出到本地。

这里我会把“效果很好”“完全展示提示词”这种主观评价保留为原文体验，不继续扩展成“所有主题都能稳定生成高质量视频”。

真正值得确认的是：

从主题 / 文案配置到最终视频文件，这条自动流程确实跑通了。

生成以后，还可以在“历史记录”页面查看已有任务。

原文展示了：

• 重新预览
• 删除
• 重新生成
• 调整模板
• 调整配音
• 修改提示词

image-20260605145928626

这一点对我来说比“一次生成成功”更重要。

因为做内容很少有第一版直接能发的情况。真正省时间的是：发现问题以后，不需要重新从头搭一遍工作流。

7. 本地很好用，但创作电脑不一定一直在身边

原文随后给了一个很明确的情景：

出差在外，客户突然要求紧急做一条视频，但 Pixelle-Video 只运行在自己的 Windows 电脑上。

这个场景原文是举例，并不是已经发生过的真实经历，所以这里也保持为使用情景。

但它确实能说明远程访问为什么有意义。

如果模型、RunningHub、项目文件、BGM 和历史任务都已经配在这台电脑上，人在外面时重新换一套环境反而很麻烦。

所以这一层的目标很简单：

不迁移 Pixelle-Video，只把本地 8501 页面从外部网络打开。

8. 在 Windows 安装 cpolar

原文通过 cpolar 官网注册账号并下载 Windows 版本。

img

下载后按默认流程完成安装。

image-20240319175308664

安装完成以后，浏览器访问：

http://localhost:9200

使用 cpolar 账号登录 Web 管理界面。

img

这里的职责要保持清楚：

• Pixelle-Video：负责文案、图片、配音、BGM 和视频生成流程；
• 模型 / RunningHub：分别参与文本和图像生成；
• cpolar：只负责让本地 8501 Web 页面从外部网络访问。

这样后面遇到生成失败时，不会把模型问题和网络问题混在一起查。

9. 把 8501 配成固定公网入口

登录 cpolar Web UI 后，进入【隧道管理 → 创建隧道】。

原文参数如下：

• 隧道名称：可自定义，不要与已有名称重复
• 协议：http
• 本地地址：8501
• 域名类型：原文为了长期使用选择二级子域名；如果只是测试也可以使用随机隧道
• 地区：China Top

image-20260605150218097

接着登录 cpolar 官网，进入“预留”。

image-20260605150242213

选择保留二级子域名：

• 地区：china top
• 名称：自定义

保留以后复制子域名。

image-20260605150315558

回到 cpolar 配置界面，将子域名粘贴到域名位置并创建。

image-20260605150339809

创建完成后，打开在线隧道列表。

原文显示生成了两条固定公网地址。

image-20260605150421827

最后复制其中一个地址，在其他设备浏览器打开。

image-20260605150435671

页面能够正常访问，说明 Pixelle-Video 的 8501 Web 界面已经可以通过公网打开。

这里我只下到这个结论。

原文写“随时随地生成或者修改视频”，从页面访问层面已经验证远程入口能够打开；但正文没有进一步测试手机端完整生成流程、多人同时操作、长时间任务稳定性，所以这一版不把这些继续扩大成已经完整验证的能力。

总结

这篇真正跑通的是两条链。

第一条是 视频生成链：

Pixelle-Video → LLM → 图像服务 → 内容模式 → BGM → 画面设置 → 生成视频 → output → 历史记录继续调整。

第二条是 远程访问链：

Windows 本地 8501 → cpolar → 固定二级子域名 → 其他设备浏览器打开。

原文实际完成了：

• 下载 Pixelle-Video 整合包；
• 双击 start.bat；
• 打开 http://localhost:8501；
• 选择 Deepseek；
• 系统自动填充 base_url 和 model；
• 获取并填写 API Key；
• 配置 RunningHub API Key；
• 保存配置；
• 选择 AI 生成或固定文案；
• BGM 可使用预置内容或放入 bgm 文件夹；
• 设置图像宽高和英文提示词；
• 点击生成视频；
• 视频写入 output；
• 历史记录中可以预览、删除或重新生成；
• Windows 安装cpolar；
• http://localhost:9200 进入管理界面；
• 创建指向 8501 的 HTTP 隧道；
• 地区 China Top；
• 保留二级子域名；
• 固定公网地址可以从其他设备打开。

这篇的人物性格也一直没变：

我喜欢自动化，但我更喜欢“能接管自动化”。

所以我不会把 Pixelle-Video 写成“输入一句话就再也不用管”。

对我来说，它真正省事的地方是：

原本要在文案、配图、配音、BGM、导出几个环节之间来回切，现在可以尽量把这些动作压进同一条工作流里。

原文中的“完全免费”“数据不泄露”“轻松日更多条”“几分钟就是高质量成片”“任何地方都能完整创作”等结论，没有在正文里逐项做成本、隐私链路、批量生成和远程完整任务测试，因此新版没有把这些继续写成已经验证的结果。

这比“全自动成片”听起来没那么夸张，但更接近一个真正会长期用工具的人在意的东西：第一版让机器跑，决定权留在自己手里。